|
從安防的角度看，如何定義人工智能
安防行業每天產生海量視頻， 中山監控工程公司提出如何從這些數據信息給客戶帶來價值，這是引入智能的初衷。從使用者的角度看，能夠通過智能化解決方案代替人工完成某種工作，即為人工智能，當然后臺集成了大數據、目標檢測、目標跟蹤、信息提取技術。 a、人臉智能分析：利用深度學習提高人臉識別的準確率，可以快速將嫌疑人從大量的視頻圖像中找到，提升了破案效率。
b、車輛智能分析：利用前端攝像頭對圖像的分析，將明顯的違法行為進行識別，可對多種交通違法行為進行取證，包括機動車闖紅燈、違法停車、逆行、行人闖紅燈等。
c、結構化和行為：基于深度學習的視頻分析技術，對監控場景中的人、車、非機動車等相關特性信息的提取與分析，將這些信息存人大數據中，方便事后查詢，比如通過以圖搜人技術，可以快速分析出其軌跡等信息；這個視頻分析技術也可以用于行為監控，比如入侵檢測、攀高、客流量統計等業務，較傳統方法指標提升很多。人工智能技術流派中的神經網絡流派
因為安防行業智能的基礎是圖像檢測；cNN取是什么?得不錯的成績，我們在此基礎構建的網絡也能滿足業務需求?；趦蓚€原因，宇視可被歸納為人工智能技術流派中的神經網絡流派。
作為神經網絡流派，可以充分借鑒學術界最新的想法，但是也會受限于推理計算性能，對深度學習網絡設計要求高，既能滿足指標要求，又要能控制計算量。深度學習對訓練數據量要求很高，需要各種場景的數據。收斂速度慢，但可以GPu集群訓練提高速度。
宇視出身通信廠家，按照通信產品的要求進行產品的設計和品質的把關，宇視也是安防界第一家獲得軟件成熟度模型cMMl5級的公司。我們在軟硬件設計、算法、大數據應用等方面都走在行業前列。
2017年5月2 8日～29日，湖南某地兩名上網嫌犯，在端午節返鄉期間被抓個正著。當地公安最新部署的宇視人臉識別系統發揮關鍵作用，通過前端抓拍和后端比對，秒級識別布控系統中的黑名單人員，并觸發報警。警方及時掌握了嫌疑人相貌特征、出現地點，快速完成抓捕。從“汗水警務”到“智慧警務”，宇視昆侖人臉識別系統，完全改變了公安原有辦案流程，成為重要可靠的抓捕神器。
2017第十一屆夏季達沃斯論壇于6月27日～29日在中國大連舉行，主題“在第四次工業革命中實現包容性增長”。國務院總理李克強出席并發表致辭，來自80多個國家2000多位創新與科技領袖齊聚一堂，展開充分互動交流，深度探討第四次工業革命對未來經濟、社會、生態和文化的重要影響，匯集世界頂級智慧共同促進社會發展。參會規格高、規模大，宇視以領先的人臉布控產品及解決方案在3天×72小時內全方位守護，識別重點布控人員近10人，系統核查人數超過6萬人，有效消除安全隱患。2017年6月，宇視科技(uniview)與英特爾(intel)聯合發布vDCl2500系列視圖數據中心一體機『昆侖二代』，采用融合業務架構，支持cPu通用計算板卡、GPu計算板卡混插，實現通用計算業務、智能分析業務、大數據業務，廣泛應用于人工智能城市的建設：一臺可并發處理2．4億人臉大庫智能搜索、或200億人車物的結構化數據分析、或8億人臉數據秒級“以圖搜索”應用，具備強勁的高并發處理能力和集群化管理能力。
中山監控工程公司認為從安防行業看，人工智能技術還需要解決幾個問題：
如何在泛化的場景中提取出感興趣目標。目前的人工智能技術采用大量訓練數據進行訓練，對于訓練好的場景和目標適配度較好，但當出現
訓練數據不包含的場景或目標形態時，結果就不是很理想。
如何判定不同環境中的兩個目標實際上是同一個目標。目前通過人臉、車牌等信息可在一定程度上解決這個問題，但是在實際監控場景中，受角度，距離、遮擋、目標形態變化等影響這些信息很難取得，這使得很難進行特定目標的跨攝像頭分析。
行為分析的能力。目前人工智能技術能分析出人各個關節的運動位置及變化，但是對于這些變化的含義卻無法區分，例如兩個人是在交談還是在打架等。
在未來，宇視會不斷適應市場的需要，提供豐富實用的安防產品和系統。但宇視始終會將自己定位為設備提供商，與大量合作伙伴實現合作共贏。
本篇新聞由 中山監控工程公司力豐科技整理發表提供。 |
